LTE中femtocell的下行功率控制算法

3GPP长期演进(LTE)系统中femtocell密集部署时,femtocell之间会存在较强干扰,针对femtocell的下行干扰,提出了一种基于路损的自适应功率控制算法。根据设定的信干噪比(SINR)门限值,给femtocell用户设置调整标志,再通过上行信道发送给femtocell,femtocell根据用户的路损及分配的资源块选择初始调整因子,以控制用户SINR为目的,根据收到的调整标志对发射功率进行自适应调整。仿真结果表明,该算法很好地控制了femtocell用户的SINR,femtocell用户平均吞吐量比无功率控制情况下至少提高了1.7Mb/s。同时表明,femtocell部署越密集,控制效果更加明显。     

LTE中femtocell的联合信道与功率控制算法

随着LTE中家庭基站的密集部署,会使家庭基站间产生严重的同层干扰,与此同时也会对边缘宏用户产生严重的跨层干扰。针对这两种下行干扰,提出了一种基于图论的信道分配和基于路损的功率控制算法相结合的方案。首先基于图论的知识构建干扰图,通过干扰图进行信道分配,有干扰的小区采用相互正交的信道,降低家庭小区间的同层干扰。然后在保证宏用户和家庭用户QoS的条件下,根据设定的信干噪比(SINR)门限值,设置femtocell干扰标志,并根据信道质量(CQI)设置干扰级别,通过干扰级别进行对应的功率控制,最终达到消除家庭小区对宏用户跨层干扰的目的。仿真结果表明,该算法很好的提高了用户的SINR和吞吐量,同时保证了家庭用户和宏用户的QoS。     

LTE系统多小区上行联合功控算法

针对传统的小区内开环功率控制算法通常以提升本小区的吞吐量性能为目标，忽略了当前小区用户对邻小区用户同频干扰的问题，为提升边缘用户性能的同时兼顾系统整体性能，提出了一种LTE系统小区间上行联合功率控制（UJPC）算法。该算法采用单基站三扇区为系统模型，以最优化系统吞吐量比例公平函数为目标，首先根据最小信干噪比（SINR）约束值和用户最大发射功率这两个约束条件得到相应的数学优化模型，然后采用连续凸近似的方法求解优化问题得出各个基站所管辖的小区内所有用户的最优发射功率。仿真结果表明，与基准的开环功控方案相比，联合功控方案在保证系统平均频谱利用率的情况下能够较大幅度地提高小区边缘频谱利用率，其最佳性能增益能达到50%。     

密集家庭基站网络中基于分簇的资源分配方案

针对家庭基站密集部署情况下的下行干扰问题,提出一种基于分簇的资源分配方案。首先,采用部分频率复用（FFR）技术将网络中所有小区划分成不同的空间,既能抑制宏基站之间的同层干扰,又能降低边缘区域宏基站与家庭基站间的跨层干扰;然后,结合图论的知识及凸优化理论对家庭基站进行分簇,并采用基于用户速率公平的信道分配算法对家庭基站进行子信道分配,抑制家庭基站间的同层干扰;最后,采用分布式功率控制算法对家庭基站功率进行动态调整,进一步提升系统的性能。仿真结果表明：相比传统未分组算法,所提算法的信干噪比（SINR）和吞吐量有明显提高,其中,系统吞吐量低于4 Mb/s的概率降低为30%;同时,与未分组算法相比,所提算法公平性提高了12%,使用户获得更高的满意度。     

异构网络下行链路层间协作功率控制算法研究

为了克服Femtocell网络的大规模部署所带来的干扰问题,采用对Femtocell基站发送功率控制的方法。针对Femtocell网络边缘Macrocell用户所受到的强下行链路跨层干扰,通过比较Femtocell用户和Macrocell用户的信干噪比(SINR)与最小SINR阈值的关系,提出了基于Femtocell用户路径损耗的Femtocell基站发送功率自适应调整算法,从而提高了Macrocell用户的通信质量。通过仿真验证,该方法使得Macrocell用户所受干扰明显降低,整体网络性能得以提升。     

无线传感器网络中抑制干扰的中继节点选择算法

当无线传感器网络中存在多个源节点时,某个源节点向目标基站发射信号,其形成波束的旁瓣会对其它非目标基站产生干扰.针对该问题,提出一种利用中继节点选择来抑制旁瓣干扰的算法.该算法选择合适的中继节点,让所有非目标基站接收到信号的干噪比(INR)都不超过设定的阈值,从而减少对非目标基站的干扰.仿真结果表明:该算法能够有效降低源节点在非目标节点方向上的旁瓣,提高了系统的信干噪比(SINR).     

天线选择下稳健波束形成新算法

研究认知无线电（CR）网络环境下的稳健发射波束形成问题,以期在信道状态信息（CSI）存在误差时满足一级用户（PU）干扰温度约束和二级用户（SU）信干噪比（SINR）约束,该发射波束的设计目标为发射天线子集最小化和发射功率最小化的联合自适应。用伯恩斯坦型不等式将信道状态信息误差的非封闭形式概率约束转化为线性矩阵不等式,进一步通过引入[?0]范数的[?1]范数逼近,将目标函数非凸优化松弛为凸问题,并通过迭代重新加权算法求解。仿真结果表明,该方法以少量增加传输功率为代价减少了发射天线的数量,节约了基站成本。     

认知网络中基于博弈论的联合功率控制与速率分配算法

针对认知无线网络上行链路中的资源分配问题,提出了一种适应于多小区认知无线网络的基于功率控制与速率分配的博弈算法。为了更加合理地控制用户的功率和速率,减小各次用户间的干扰,首先,在效用函数中分别给功率和速率设置了不同的代价因子,使其能够更加合理地控制用户,避免用户过度增加发射功率。其次,从理论上证明了该算法纳什均衡的存在性、唯一性以及算法的收敛性。最后,为了解决发射功率和传输速率的最优化问题,给出了联合功率控制和速率分配的迭代更新算法流程图。理论分析及仿真结果表明,与同类博弈算法相比,在保证通信质量的前提下,所提算法可以使得用户以较小的发射功率获得较大的传输速率和较高的信干噪比（SINR）,并且减小了用户间的干扰,提高了次用户系统容量。     

基于信干噪比反馈的多基站协作预编码

针对蜂窝小区的干扰,给出了基于信干噪比(SINR)反馈的基站协作策略,采用SINR门限锁定系统边缘用户,避免了传统穷搜索算法的复杂性,在多小区规模上索引协作基站。基于SWF功率分配,采用SVD预编码设计。仿真表明,该方案既弱化了小区边缘用户受到的干扰,提高了系统信息吞吐量,又减少了高反馈量带来的复杂度,是一个很好的折中方案。     

认知无线电中的干扰抑制合并算法

认知无线电中,认知用户允许接入授权频谱会对主用户造成严重干扰。为解决这一问题,结合多天线技术,提出一种干扰抑制算法。该方法不需要干扰信号的先验信息,可有效降低主用户与认知用户之间的干扰。从理论上推导了采用新算法后系统的SINR(信干噪比)表达式,给出了误码率下限。仿真结果表明,SIR(信干比)为0 dB、接收天线数目为2、BER为10-3时,干扰抑制合并算法性能优于传统的最大比合并算法6 dB。     

基于非合作博弈的femtocell 双层网络分布式功率控制

研究在频谱共享条件下家庭基站双层网络的分布式功率控制策略.将宏基站所能承受的干扰限度视为家庭基站的可分配资源,家庭基站以竞价形式对其"购买",从而构成宏基站与家庭基站以及家庭基站用户之间的博弈模型.分析了该博弈过程中纳什均衡解的存在性和惟一性,并给出了在非合作模式下指导家庭基站用户进行理性竞争的分布式功率调整算法.最后,通过仿真实验验证了所提出算法的有效性.     

Interference coordination based on random fractional spectrum reuse in femtocells toward Internet of Things

Femtocell is featured with a low-power and low-cost cellular access in indoor environments, and thus offers an effective yet flexible way to implement information exchange over Internet of Things. In femtocell networks, the dense deployment of home eNodeBs causes severe inter-cell interferences and imposes heavier load on the scarce frequency spectrum. In this paper, we propose an inter-femtocell interference coordination scheme to enable random and fractional reuse of frequency resources in a 3D in-building scenario. Specifically, we consider the regular femtocell deployment, where all the femtocells are divided into two groups and two neighboring femtocells will be classified into different group. Each group is initially allocated with a half of frequency resources. To more sufficiently utilize the spectrum, either group of femtocell is allowed to transmit over the frequency assigned to the other group of femtocell in a random way at the cost of introducing some interferences, i.e., reuse based on a specified probability. This probability is determined by maximizing the geometric mean of users’ average throughput, such that the fairness among users is guaranteed simultaneously. Moreover, an equivalent scheme generated from full frequency reuse between two femtocells groups is also given. Here, either group of femtocell will avoid transmitting over fractional frequency randomly with a certain probability and the interference to the adjacent femtocell can be reduced. The simulation results show that the proposed schemes could obtain the larger system average rate and edge user performance compared with the baseline schemes. Moreover, the geometrical average throughput per user achieved by our method is highest, and a more fair resources allocation can be realized .     

A comparison of grammatical genetic programming grammars for controlling femtocell network coverage

We study grammars used in grammatical genetic programming (GP) which create algorithms that control the base station pilot power in a femtocell network. The overall goal of evolving algorithms for femtocells is to create a continuous online evolution of the femtocell pilot power control algorithm in order to optimize their coverage. We compare the performance of different grammars and analyse the femtocell simulation model using the grammatical genetic programming method called grammatical evolution. The grammars consist of conditional statements or mathematical functions as are used in symbolic regression applications of GP, as well as a hybrid containing both kinds of statements. To benchmark and gain further information about our femtocell network simulation model we also perform random sampling and limited enumeration of femtocell pilot power settings. The symbolic regression based grammars require the most configuration of the evolutionary algorithm and more fitness evaluations, whereas the conditional statement grammar requires more domain knowledge to set the parameters. The content of the resulting femtocell algorithms shows that the evolutionary computation (EC) methods are exploiting the assumptions in the model. The ability of EC to exploit bias in both the fitness function and the underlying model is vital for identifying the current system and improves the model and the EC method. Finally, the results show that the best fitness and engineering performances for the grammars are similar over both test and training scenarios. In addition, the evolved solutions’ performance is superior to those designed by humans.     

宏-飞蜂窝双层网络中基于毫微微基站分组的资源分配

针对宏-飞蜂窝双层网络模型中宏小区（Macrocell）用户层和毫微微小区（Femtocell）用户层之间的跨层干扰和Femtocell之间的同层干扰,提出了一种基于毫微微基站分组的资源分配算法。该算法包括两个部分：一部分是宏基站先利用改进的差额法,设置虚拟的宏用户（MUE）,将之变为平衡的指派问题再为宏小区用户分配信道,然后用注水算法分配功率,保证宏小区用户的正常传输。另一部分是在保证宏小区用户的服务质量基础上,采用一种增强型的蚁群优化（EACO）算法,设定信息素浓度范围后对毫微微小区进行分组,避免了原始的蚁群算法有可能陷入局部最优的现象;再利用一种启发式算法和分布式功率分配算法分别对毫微微用户（FUE）进行信道和功率分配,在满足毫微微小区用户的数据速率需求下,最大化频谱效率。仿真结果表明,EACO有效地抑制了跨层干扰和同层干扰,既能保证用户的数据速率需求,又能有效提升网络频谱效率。     

Femtocell网络中基于联合传输的分簇与功率分配算法*

针对家庭基站(femtocell)密集部署时的下行干扰问题,提出一种基于多点协作联合传输的分簇与功率分配相结合的算法。首先根据受到的干扰程度进行分簇,将干扰强的家庭基站分到同一个簇,簇内所有家庭基站通过寻找对自身最有利的基站进行协作,将干扰信号转变有用信号,联合传输为用户提供服务,提升用户的信干噪比来保证用户性能,簇间则复用相同的频谱资源。然后通过给用户分配合适的功率使得总传输速率最大。仿真结果表示,所提算法能在抑制系统干扰的同时提高系统的吞吐量。     

基于误码率与中断概率约束的femtocell网络分布式功率控制

家庭基站(femtocell)网络可有效改善无线通信业务的室内覆盖性能,提高信道容量.然而,复杂的动态通信环境导致信道的不确定性,影响用户服务质量.基于此,研究双层femtocell网络在快衰落信道环境下基于误码率约束的功率控制问题;考虑信号传输的中断概率,以及服务质量指标–误码率等方面的要求,构造在此约束下的优化问题;最大化双层femtocell网络的净收益,使得网络系统的通信性能最优;通过对概率约束进行数学处理,将其转化为确定性形式,并提出分布式鲁棒优化算法对等价的确定性优化问题进行求解,从而获得最优功率分配策略.最后,通过仿真验证了所提出算法的收敛性和有效性.     

超密集网络中子信道和功率分配研究

超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,提出一种基于簇优先级的资源分配方案。该方案分为3个步骤:首先,采用基于图论的染色算法为毫微微接入点(Femtocell Access Points,FAPs)分簇;然后,以簇内每个毫微微用户(Femtocell User Equipments,FUEs)的待发送数据量、排队等待时延以及受干扰强度等作为优先级,计算每个簇的优先级,高优先级的簇可最先获得信道增益好的子信道;最后,利用卡罗需-库恩-塔克(Karush-Kuhn-Tucker,KKT)条件和注水算法为FUEs分配功率。仿真实验表明该方案能够有效地减小Femtocell间的干扰,并能够极大地满足用户的需求,同时提升系统的吞吐量和频谱效率。